我想使用篩選使用Normal Bayes分類器進行對象分類。當我計算每個可變大小圖像的描述符時,我會得到不同大小的特徵向量。例如:Opencv SiFT的特徵向量大小
Feature Size: [128 x 39]
Feature Size: [128 x 54]
Feature Size: [128 x 69]
Feature Size: [128 x 64]
Feature Size: [128 x 14]
至於發展,我使用20個訓練圖像,因此我有20個標籤。我的分類只有三類,包含汽車,書和球。所以我的標籤向量大小是[1 x 20]
據我所知,執行機器學習的特徵向量大小和標籤向量大小應該是相同的,所以我應該得到一個向量大小爲[__ x 20]並且標籤是[1 x 20]。
但我的問題是,篩選有128維的特徵空間,因此每個圖像都有不同的特徵尺寸,如上所示。如何將所有尺寸轉換爲相同尺寸而不會丟失功能? 或者我可能做得不對,請幫我解決這個問題?
PS:實際上我已經使用BOW模型做了它,它的工作原理,但僅僅是爲了我的學習目的,我試圖在這個問題上做,只是爲了學習興趣,所以任何提示和建議都歡迎。謝謝
謝謝。其實我做了一個任務,我用弓,它運作良好。然而,我非常感興趣,我正在嘗試不同的方式來分類圖像。我想分類而不使用BOW模型,所以我想知道如何分配訓練矩陣。你覺得我把矩陣從[128 x Y]改爲[1 x Y]。這意味着我只使用矢量的一個維度。你怎麼看待這個? – rish
[1 x Y]矩陣沒有意義。實際上,您可以使用Y的各個SIFT特徵[128 x 1],並將它們與其他圖像中提取的SIFT進行比較。 – Eric
對不起,這是什麼意思..非常感謝。 – rish